SDGSAT-1与夜间街景影像揭示城市尺度卫星-地面夜间灯光不一致：空间异质性、驱动机制与应用影响

《Remote Sensing of Environment》：Substantial disagreement between satellite- and ground-level nighttime light patterns revealed by SDGSAT-1 and street view imagery

　　

SDGSAT-1（可持续发展科学卫星1号）与夜间街景影像（street view imagery, SVI）揭示了显著的卫星-地面不一致。研究人员一致观察到空间异质且双向的不一致。卫星-地面不一致在不同土地利用类型间呈系统性变化。建筑形态显著促进了卫星-地面不一致。该不一致传播至基于夜间灯光（nighttime light, NTL）的应用并产生不同结果。

研究背景与问题。夜间灯光（nighttime light, NTL）影像中，明亮城市中心与黑暗未开发区域的强烈对比直观反映了人类活动。过去三十年，卫星NTL影像已成为社会经济分布制图、区域电气化评估、城市扩张跟踪和光污染监测的重要数据源。然而，卫星自上而下观测主要记录向上光发射，难以完整捕捉车头灯、广告牌、建筑立面、室内光泄漏等水平方向人工光。人类和自然生态系统实际经历的NTL暴露并非仅由向上发射决定。因此，卫星受限视角可能低估夜间亮化环境，并给城市人口和自然生态系统的NTL暴露评估带来偏差。地面NTL观测具有更细空间粒度、多方向感知能力，可更好表征人类尺度局部照明条件，但基于天空质量计（Sky Quality Meter, SQM）、多光谱光度计和光谱仪的观测通常劳动密集、空间离散、代表性有限。夜间SVI与地理空间AI为城市级、空间连续地面NTL监测提供了新途径。卫星与地面观测在感知方式上的本质差异，使其成为夜间环境的不同表征，导致“卫星-地面不一致”。尽管这种不一致在理论上可预期，且已有基于离散地面测量的报道，但其在城市内部、跨城市形态和环境背景中的空间异质性仍很少被探索，可能掩盖城市均值背后的局部差异，并向NTL应用传播不确定性，阻碍卫星与地面NTL观测的有效整合。

在此背景下，研究人员整合高分辨率SDGSAT-1微光影像和全景夜间SVI，结合地理空间AI方法，以新加坡为案例、深圳为独立跨城市验证区，开展城市级、空间显式的卫星-地面不一致研究。研究关注三个问题：卫星与地面NTL亮度模式如何不一致；哪些因素导致不一致；这种不一致如何影响基于NTL的应用。研究结论表明，卫星-地面不一致并非空间均匀的测量偏移，而是在城市和土地利用类型间呈现显著异质性和双向性，并可传播至下游应用。该研究为解释和整合多层级NTL观测提供了重要前提，有助于支持更稳健的NTL应用及可持续城市化政策，如联合国可持续发展目标7.3能效和11.6降低城市环境影响。论文发表在《Remote Sensing of Environment》。

关键技术方法。研究使用新加坡2831张全景夜间SVI（NightSVI-SGFan，2023年8—11月20:00—23:00）作为主数据集；新加坡3011张独立夜间SVI（NightSVI-SGYu，2026年7月）用于跨数据集验证；深圳390张夜间SVI（NightSVI-SZ，2025年12月—2026年1月）用于跨城市验证。采用SDGSAT-1微光影像（新加坡2023-06-29 22:41、2025-08-01 22:05；深圳2025-11-26 21:08）并预处理。辅助数据包括日间谷歌街景（Google Street View, GSV）、国际空间站（International Space Station, ISS）NTL、Sentinel-2、建筑足迹、数字高程模型、道路、GDP、土地利用和人口。研究人员从夜间SVI提取地面NTL亮度，比较7种回归模型并采用随机森林（random forest, RF）生成墙到墙地面NTL亮度；将卫星与地面亮度聚合至H3框架的H₈/H₁₀/H₁₂分辨率，计算ΔNTL和|ΔNTL%|，用蒙特卡洛量化不确定性，并分析贡献因素和下游应用。

研究结果。4.1 墙到墙地面NTL亮度估计：通过7种模型10折交叉验证，RF表现最佳（R²=0.73；MAPE=33%），估计值与观测值接近1:1线；跨数据集验证显示RF估计与NightSVI-SGYu观测显著相关（r=0.69；p<0.001）。特征重要性中，建筑形态占69%，建筑视域因子（building view factor, BVF）单独贡献50%，表面辐射与环境贡献15%，卫星NTL强度贡献16%。结论为墙到墙地面NTL亮度估计具有可靠性，建筑形态主导地面亮度估计。4.2 城市级卫星-地面不一致：在H₈，ΔNTL呈近平衡双向格局，48%区域G>S（ΔNTL=0.48±0.52），52%区域GS（ΔNTL>0.5），19%为显著G10也呈48% G>S和52% G8的15%增至H₁₀的21%±20%和H₁₂的27%±24%，相对H₈分别增加40%和80%。蒙特卡洛分析显示，自变量不确定性下平均不一致比例（inconsistency ratio, ICR）为3%、PIW₉₀为5%；模型不确定性下ICR为5%、PIW₉₀为11%；因变量不确定性下ICR为18%、PIW₉₀为22%，但75%和73%区域分别低于25%。结论为识别出的不一致整体稳健、空间异质、双向，并随分析分辨率细化而增大。4.3 土地利用类型异质性：通过H₁₂分辨率土地利用比较发现，商业、机构、绿地和住宅多数区域G>S；商业（|ΔNTL%|=29%±26%）和住宅（23%±18%）差异显著且效应量非可忽略（p<0.001；|δ|≥0.147）。工业和交通区域呈相反GBVF=0.771—0.807）和NDVI（β_NDVI=0.472—0.543）仍显著为正（p<0.001），Moran's I从0.41降至近零且不显著。Blooming（光晕）效应调整与基线估计接近，商业区最大变化仅为ΔNTL 0.04和|ΔNTL%| 2%。红绿比（red-to-green ratio, RG）与ΔNTL显著负相关，LED主导区倾向G>S，高压钠（high pressure sodium, HPS）灯主导区倾向GISS|<|ΔNTL|。结论为建筑形态、植被覆盖和传感器光谱响应是关键贡献因素，blooming效应影响有限。4.5 应用影响：通过GDP空间分解和NTL暴露不平等评估，卫星与地面NTL导出结果差异明显。GDP估计在H₈平均对称平均绝对百分比误差（symmetric mean absolute percentage error, SMAPE）约115%，61%区域SMAPE>100%，H₁₀和H₁₂分别增至130%和138%。NTL暴露不平等方面，H₈地面导出基尼系数（Gini coefficient）为0.08，卫星导出为0.24，SMAPE=100%；H₁₀和H₁₂分别为87%和83%，绝对差从0.16升至0.20和0.24。结论为卫星-地面不一致会传播至NTL应用并产生不同结果。

讨论部分。5.1 异质性卫星-地面不一致：细粒度评估揭示显著、空间异质和双向的卫星-地面不一致。商业区中商店和广告牌的集中人工光可增强横向光对地面NTL的贡献，而周边建筑可遮挡部分向上光到达卫星传感器，这解释了G>S模式；住宅区G>S可能与天篷下熟食中心和住宅底层店面照明等人类尺度显著、自上而下不显著的光源有关；交通区则相反，主要呈G
研究结论部分翻译：随着NTL观测日益可用于监测城市发展，观测方法差异会产生显著不同的夜间照明模式表征。通过空间显式、墙到墙调查，本研究表明卫星-地面不一致不是空间均匀的测量偏移，而是在城市和土地利用类型间呈现显著异质性，并得到不确定性量化和敏感性分析支持。商业和住宅区表现出一致的G>S不一致模式，而交通区表现出相反的G

相关新闻